【香港理工大学】人工智能赋能新型电力系统：关键技术、现实挑战与全链条协同

香港理工大學電纲現代化研究中心電機及電子工程學系人工智能赋能新型电力系统：关键技术、现实挑战与全链条协同钟志勇教授IEEEPES(电力与能源协会)主席智能电网与能源技术研究中心(香港特区政府InnoHK平台)创始主任香港理工大学电网现代化研究中心(RCGM)创始主任香港理工大学电机及电子工程学系系主任、讲座教授南方电网首本英文期刊PowerGridE清华大学杰出访问教授Email:c.y.chung@poly个人介绍个人介绍IEEE电力与能源学会主席电力公司智能电网首席科学家及加拿大自然科学与工程研究委员会/萨省电力公司智能电网技术高级工业研究首席科学家)。·开发了3套商用软件包(全球超过140家电力公司和100所高校使用),以及4款电动汽车充电器，包括已在香港理工大学唯港荟酒店部署的智能超快速540kW电动汽车充电器。香港规模最大的强电流研究团队IEEE:全球规模最大的专业技术协会(拥有超50万名会员)奥特迅南方电网现行技术标准中华电力全球合作网络合作网络新型电力系统背景传统电力系统的构成与运行模式新型电力系统背景传统电力系统的构成与运行模式传统电力系统是以火电为主、水电为辅的集中式能源供给体系，整体呈现“单向、集中、可控”的运行特征水电为主体，出力稳新型电力系统新型电力系统建设意义核心特点带来的挑战人工智能赋能电网侧(输电+配电)电网侧(输电+配电)中输电、逐级配电，电源侧(集中式发电)AIAI赋能新型电力系统现实挑战与未来方向用户用户侧：用户用电负荷相对稳定，峰谷规商业负荷居民负荷居民负荷集中发电用户用电单向发电产业布局-IGET平台策略，依赖稳定电源集中发电用户用电单向发电产业布局-IGET平台双碳目标下传统电力系统的突出短板新型电力系统背景随着国家“碳达峰、碳中和”战略推进，传统火电主导的电力系统暴露出多重不可调新型电力系统背景和的矛盾化石能源不可再生，长期发展存在化石能源不可再生，长期发展存在新型电力系统建设意义核心特点带来的挑战新型电力系统建设意义核心特点带来的挑战火电依赖化石能源，无法适配双碳火电依赖化石能源，无法适配双碳4电网灵活性与调节能力不足5数字化智能化水平低AIAI赋能新型电力系统现实挑战与未来方向现实挑战与未来方向核心结论：传统电网适配稳定能源、稳定负荷的时代需求核心结论：传统电网适配稳定能源、稳定负荷的时代需求新型电力系统的提出背景新型电力系统的提出背景新型电力系统背景新型电力系统是国家双碳战略+能源安全战略+新能源大规模并网共同催生的全新能源体系，是电力行业的系统性变革新型电力系统背景新型电力系统建设意义核心特点新型电力系统建设意义核心特点带来的挑战人工智能赋能累计装机/亿千瓦政策驱动2021年国家首次明确提出构建以新能源为主体的新型电力系累计装机/亿千瓦政策驱动2021年国家首次明确提出构建以新能源为主体的新型电力系行业倒逼新能源占比持续提升，传统电网运行规则、调度逻辑彻底不适用。AI赋能新型电力系统现实挑战与未来方向能源结构风电、光伏装机规模连年爆发展目标实现能源清洁化、低碳化、安全化、智能化、高效化升产业布局-产业布局-IGET平台新型电力系统是以新能源为主体、传统能源为支撑、多能互补、智能调度的新一代电力系统建设新型电力系统的国家战略意义建设新型电力系统的国家战略意义建设新型电力系统是实现双碳目标、保障能源安全、推动能源转型的核心战略支撑建设新型电力系统是实现双碳目标、保障能源安全、推动能源转型的核心战略支撑新型电力系统背景传统系统新型电力系统建设意义核心特点传统系统新型电力系统建设意义核心特点带来的挑战人工智能赋能通过大幅提升风光新能源占比，替代化石能源，从源头降低电力行业碳排放，是全AI赋能新型电力系统现实挑战与未来方向产业布局-AI赋能新型电力系统现实挑战与未来方向产业布局-IGET平台清洁低碳保障国家能源安全智能协同安全高效摆脱对进口化石能源的依赖，利用国内丰智能协同安全高效适配能源转型顶层设计是新型能源体系建设的核心载体，是国家能源革命的关键落地工程建设新型电力系统的行业与社会价值建设新型电力系统的行业与社会价值新型电力系统背景新型电力系统背景传统系统新型电力系统建设意义核心特点带来的挑战人工智能赋能AI赋能新型电力系统现实挑战与未来方向1、破除新能源消纳难题解决传统电网弃风、弃光问题，最大化利用3、降低社会用电成本2、提升电网安全稳定水平新能源汽车(聚合协同)虚拟电厂平台新型储能产业布局-IGET平台产业布局-IGET平台新型电力系统背景新型电力系统区别于传统系统的特征新型电力系统背景新型电力系统区别于传统系统的特征相比传统电力系统“相比传统电力系统“稳定、集中、单向、可控”的特点，新型电力系统在电源侧、电网侧、负传统系统新型电力系统建设意义核心特点带来的挑战人工智能赋能电网侧电源侧负荷侧运行模式新能源成主体，波动性、新型电力系统建设意义核心特点带来的挑战人工智能赋能电网侧电源侧负荷侧运行模式新能源成主体，波动性、动，源网荷运行模式转向市场化交易系统数据海量化，运行复杂度上升AI赋能新型电力系统现实挑战与未来方向传统电力系统特征稳定单向电力单向流动可控可预测、可调控性强特征1:电源侧——新能源为主体，波动性显著增强特征1:电源侧——新能源为主体，波动性显著增强新型电力系统背景新型电力系统背景传统系统新型电力系统新型电力系统建设意义核心特点带来的挑战人工智能赋能可控性强AIAI赋能新型电力系统现实挑战与未来方向现实挑战与未来方向核心变化核心变化火电转为调节性、产业布局-IGET平台核心结论：电源从“稳定可控”→“动态不可控产业布局-IGET平台新型电力系统背景特征2:电网侧——双向互动、源网荷储高度耦合新型电力系统背景特征2:电网侧——双向互动、源网荷储高度耦合电网从“单向输电”转变为电网从“单向输电”转变为“双向互动、源网荷储协同”,形态电网”,大幅提升系统灵活性、韧性与消纳能力。传统系统新型电力系统建设意义核心特点新型电力系统建设意义核心特点带来的挑战人工智能赋能集中式电源AIAI赋能新型电力系统现实挑战与未来方向现实挑战与未来方向产业布局-IGET平台核心结论：电网从“单向输电”“双向互动”,形态从“刚性电网”“柔性电产业布局-IGET平台特征3:负荷侧——柔性化、多元化、随机化特征3:负荷侧——柔性化、多元化、随机化新型电力系统背景传统系统新型电力系统建设意义核心特点带来的挑战人工智能赋能随着AI应用加速发展，智算中心正成为支撑智能计算的关键基础设施，其能源消耗呈快速攀升趋势。国际能源署预测，到2030年，全球数据中心耗电量将达到945太瓦时，较2024年实现翻倍增长。我国算力规模年均增速已达45%,新型电力系统背景传统系统新型电力系统建设意义核心特点带来的挑战人工智能赋能AIAI赋能新型电力系统现实挑战与未来方向不间断电源超级电容(三级联合储能)三级(园区)长时储能(小时级》后备电池(分钟级)(ms&秒级)市电一绿电一202012000供给规模2024年全球大型数据中心集群分布图2020-2027年中国智算中心供给规模及预测特征3:负荷侧——柔性化、多元化、随机化特征3:负荷侧——柔性化、多元化、随机化新型电力系统背景从“刚性用电”转向“柔性资源池”新型电力系统背景传统负荷传统负荷新型负荷传统系统新型电力系统建设意义核心特点带来的挑战人工智能赋能工业、居民用电规律稳定、刚性不可调，峰谷规律相带来的挑战人工智能赋能工业、居民用电规律稳定、刚性不可调，峰谷规律相对清晰，以“保障供电”为主新能源汽车、数据中心、充电桩、楼宇负荷、虚拟电厂等柔性负荷大规模接入储能、可中断负荷，可移峰负荷；需求响应价格激励，由“用电端”转向“调节端”负荷侧价值释放路径被动用电可观测负荷侧价值释放路径被动用电可观测可预测可调节AI赋能新型电力系统现实挑战与未来方向现实挑战与未来方向需求响应、调峰、调频成为 产业布局-IGET平台全新模式：负荷不再是被动用电，可参与电网调峰、调频、需求响应负荷侧价值释放的新入口特征4:运行模式——市场化交易全面普及特征4:运行模式——市场化交易全面普及新型电力系统背景从“计划调度”走向“价格发现+多主体参与”新型电力系统背景传统系统新型电力系统传统系统新型电力系统建设意义核心特点带来的挑战人工智能赋能多主体入市：从单一调度到交易协同交易品种与价格信号AI赋能新型电力系统现实挑战与未来方向中长期AI赋能新型电力系统现实挑战与未来方向电力市场辅助服务调峰、调频、备用获得补偿大用户储能虚拟大用户储能虚拟电厂产业布局-IGET产业布局-IGET平台中长期|现货|辅助服务|绿电新型电力系统带来的运行新挑战新型电力系统带来的运行新挑战正是以上五大全新特点，导致传统人工调度、传统算法、传统管理模式失效，出现四大难题：新型电力系统背景正是以上五大全新特点，导致传统人工调度、传统算法、传统管理模式失效，出现四大难题：传统系统新型电力系统传统系统新型电力系统建设意义核心特点带来的挑战人工智能赋能人工智能功率平衡难：●功率预测精度低●响应速度要求高故障感知难：●网络节点多●系统状态变化快调度决策难：●分布式柔性资源多●市场主体多●优化变量维度高市场优化难：●动态电价●多主体博弈复杂AI赋能新型电力系统解决方法：现实挑战与未来方向产业布局-现实挑战与未来方向产业布局-IGET平台AIAI赋能新型电力系统的底层逻辑传统系统新型电力系统传统系统新型电力系统建设意义核心特点带来的挑战人工智能赋能AI赋能新型电力系统现实挑战与未来方向AI深度学习可精准预AI赋能新型电力系统现实挑战与未来方向协同调度：AI可实时处理源网荷协同调度：AI可实时处理源网荷储多变量，实现全局新型电力系统的复杂新特点AI可实时处理海量传统方法解决不了的难题安全运维：AI智能巡检、故障诊断、风险预判，提升AI借助数据驱动与智能优化解决传统难题AI借助数据驱动与智能优化解决传统难题新型电力系统背景AI能赋能新型电力系统的底层逻辑用数据驱动和智能优化方法解决AIAI智能化运营AlAl在新型电力系统的核心应用场景新型电力系统背景传统系统新型电力系统建设意义核心特点带来的挑战人工智能赋能功率预测：短期精准预动性难题智能调度：一体化智能优化调度柔性调控：桩、楼宇负响应收益优化AI赋能新型电力系统现实挑战与未来方向产业布局-IGET平台未来电力系统将全面走向高新能源占比+全场景AI产业布局-IGET平台什么是人工智能什么是人工智能新型电力系统背景新型电力系统背景人工智能(ArtificialIntelligence,AI)是研究如何使机器能够模拟、延伸和扩展人类智能的科学与技术，包括感知世界、逻辑推理、自主学习和决策交互等智能行为。研究范畴技术体系发展历程电力系统智能化启技术体系发展历程电力系统智能化启AI赋能新型电力系统AI赋能新型电力系统现实挑战与未来方向现实挑战与未来方向产业布局-IGET产业布局-IGET平台AI不是单一技术，而是各层相互支撑，共同构成完整Al生态图灵测试：智能的判定标准则可认为该机器具有智能。这一思想实验至今仍是AI哲学讨论的重要基石。AlAl技术体系：从Al到大模型的层次关系人工智能(ArtificialInte机器学习(MachineLearning,ML)技术体系发展历程电力系统智能化启深度学习(DeepLearning,技术体系发展历程电力系统智能化启大模型/基础模型最广泛的概念AI的核心子领域新型电力系统背景参数量巨大(数十亿至数千亿),具备涌现能力和通新型电力系统背景AIAI赋能新型电力系统现实挑战与未来方向产业布局-IGET平台通过数据自动学习规律，无需显式编程规则类比理解：类比理解：AI如同“交通工具”,ML如AlAl主要类型(一):传统机器学习与深度学习新型电力系统背景新型电力系统背景技术体系发展历程电力系统智能化启AIAI赋能新型电力系统现实挑战与未来方向现实挑战与未来方向产业布局-产业布局-IGET平台传统机器学习传统机器学习代表算法技术特点Al主要类型(二):强化学习、生成式Al主要类型(二):强化学习、生成式AI与基础模型新型电力系统背景新型电力系统背景技术体系发展历程电力系统智能化启AIAI赋能新型电力系统现实挑战与未来方向现实挑战与未来方向产业布局-产业布局-IGET平台强化学习核心思想智能体通过与环境交互，以“试错”方式学习最优策略关键要素技术特点·无需标注数据·与环境交互自主学习电力应用电网/储能调度优化、需求响应生成式AI核心思想学习数据分布，生成与训练数据相似的新内容代表技术·Diffusion(扩散模型)·图像、文本、音频生成·数据增强与场景模拟电力应用场景生成、负荷曲线合成、数据增强基础模型/大模型核心思想海量数据上预训练超大规模模型，微调适配下游任务代表模型·文心一言、通义千问、豆包技术特点·上下文学习·少样本/零样本学习电力应用知识问答、报告生成、辅助决策三种技术范式各有侧重，在电力系统中可协同应用：三种技术范式各有侧重，在电力系统中可协同应用：RL优化决策、生成式Al增强数据、大模型提供认知能力AlAl发展简史(一):诞生与早期探索新型电力系统背景新型电力系统背景技术体系技术体系电力系统智能化启AI赋能新型电力系统现实挑战与未来方向AI赋能新型电力系统现实挑战与未来方向能做的事"。符号主义(逻辑推理+知识表示)成为主流范式第一次AI寒冬：1969年明斯基和佩珀特出版《感知机》,证明单层感知机无法解决异或问注：这一阶段的A1以符号主义为主流，依赖逻辑推理和知识表示，与后来的连接主义(神经网络)形成鲜明对比。AlAl发展简史(二):专家系统兴衰与第二次寒冬新型电力系统背景技术体系发展历程电力系统智能化启AI赋能新型电力系统发展历程电力系统智能化启AI赋能新型电力系统现实挑战与未来方向两两次AI寒冬的共同教训：过度承诺技术能力、忽视基础理论瓶颈、资金断流导致研究停滞，这些经验对当前AI热潮具有重要警示意义。新型电力系统背景新型电力系统背景技术体系电力系统智能化启AI赋能新型电力系统现实挑战与未来方向产业布局-IGET平台AlphaGo击败李世石：AI发展的里程碑事件。技术核心：深度神经网络+蒙特卡洛树搜索(MCTS)+强化学习。围棋搜索空间远超国际象棋(深度学习三要素：大数据+大算力(GPU)+大模型(深层网络),三者缺一不可。AI发展简史(四):大模型时代AI发展简史(四):大模型时代新型电力系统背景技术体系发展历程电力系统智能化启AI赋能新型电力系统现实挑战与未来方向产业布局-IGET平台2024GPT-3发布(1750亿参数):展现惊人的上下文学习和少样本能力。“涌现能力”程等任务上媲美OpenAlo1,推动大模型技术民主化大模型核心范式：预训练+微调+提示工程+人类反馈强化学习AlAl发展简史(五):智能体时代新型电力系统背景技术体系发展历程电力系统智能化启AI赋能新型电力系统现实挑战与未来方向产业布局-IGET平台2025年初2025年上半年2025年下半年“慢思考”能力，通过内在的思维链与自我纠错，实现了AI从“直觉式生成”智能体(Agent)跨出聊天框：以OpenAIOperator、Claude3.7为代表。AI获得计算机“操作权限”,能够像人一样跨越色分工(如规划、执行、测试)与高速协同，开始接管复杂的系统级工程。具身智能(EmbodiedAI)跨越数字边界：端到端大模型(视觉-语言-动作)今智能体范式：推理期计算+动态记忆与规划+通用计算机智能体范式：推理期计算+动态记忆与规划+通用计算机操作+多智能体网络核心转变：AI从基于直觉的“对话型工具”,演变为具备慢思考、长航时、能自主操作软件并团队协作的“数字员工”。突破性应用—AlphaGo突破性应用—AlphaGo的启示：机器学习+搜索+决策新型电力系统背景新型电力系统背景技术体系发展历程电力系统智能化启AIAI赋能新型电力系统现实挑战与未来方向产业布局-IGET平台content/uploads/2020/03/AlphaGo-slides_compressed.pdf价值网络Value价值网络ValueNetwork评估当前棋局的胜率局面优劣蒙特卡洛树搜索MCTS系统性探索未来可能的棋局变化键决策点精细推演策略网络PolicyNetwork深度学习训练，预测下一步落子概率作用：提供”直觉”——快速判断哪些位置值得考虑深度学习提供“直觉”,搜索提供“深度思考”,强化学习提供“策略评估”三者协同决策机器学习机器学习人类专家及自生成对局价值网络：策略网络：策略执行的结果落子选址问题Posson针对当前形势下一步是什么?—基于树搜索的决策基于机器学习，通过削减搜索树上的大量叶子来降低复杂性新型电力系统背景新型电力系统背景技术体系发展历程电力系统智能化启AIAI赋能新型电力系统现实挑战与未来方向现实挑战与未来方向产业布局-产业布局-IGET平台大语言模型的核心能力跃迁大语言模型的核心能力跃迁从"识别模式"到"理解语义"理解上下文、推理逻辑关系从"分类预测"到"生成创造"撰写报告、编写代码、生成方案从"单任务"到"通用智能"一个模型处理多种不同任务ChatGPT的革命性意义·自然语言交互降低使用门槛DeepSeek的技术创新·极致性价比：1/10训练成本辅助辅助对电力系统的启示对电力系统的启示电力知识管理整合运行规程、设备手册、历史案例、调度经验，构建统一电力知识库智能调度助手调度员通过自然语言查询决策建议：·“负荷预测偏差大，调整哪些机组?”·"某线路N-1故障后转供方案?"报告与分析自动化·自动生成运行分析报告·故障诊断报告自动撰写SoraSora的技术突破新型电力系统背景新型电力系统背景时空一致性保持物体在时间和空间上的物理合理性，人物、场景、光影在视频中保持连续和一致世界模型雏形时空一致性保持物体在时间和空间上的物理合理性，人物、场景、光影在视频中保持连续和一致世界模型雏形模型理解物理世界的规律，例如重力、碰撞、光影、流体运动，这是通向通用人工智能的重要一步技术体系发展历程电力系统智能化启从文本到视频生成能够生成60秒高质量连贯视频，从静态图像生成跨越到动态时空序列生成，代表了生成式A1的新高度Sora生成视频技术架构：扩散模型+Transformer,将视频视为时空块序列进行生成Sora生成视频AI赋能新型电力系统现实挑战与未来方向产业布局-AI赋能新型电力系统现实挑战与未来方向产业布局-IGET平台对电力系统的深层启示多模态数据融合电力系统包含时序数据、图像(巡检照片)、文本(调度日志)、视频(监控画面),多模态AI可以统一处理这些异构数据场景生成与仿真生成极端天气下的电网运行场景，用于压力测试和应急预案演练，弥补历史极端事件数据稀缺的短板"电力系统世界模型"的构想借鉴Sora"理解物理世界"的思路，构建电力系统世界模型——模拟不同调度策略下电网的演化过程，实现"先仿真、后决策"23整体框架整体框架新型电力系统背景新型电力系统背景AI赋能新型电力系统功率预测设备监测系统运行稳定性分析现实挑战与未来方向产业布局-IGET平台··AI赋能自主式智能电网，围绕功率预测、设备监测、系统运行和稳定性分析四类关键任务，实现从数据感知、状态评估到优化决策和安全控制的协同运行；适应和自主运行方向发展新能源发电预测净负荷预测智能电表、分布式能源、气象数据新能源发电预测净负荷预测智能电表、分布式能源、气象数据预测预测传感器(IEDs)设备检测智能电网弹性运行系统运行电网状态(实时)异常和入侵检测电力质量最优潮流机组组合调度和控制AI模型CNN,Autoencoder,Foundati稳定性边界与告警控制瞬态稳定性评估ZipengLiang,C.Y.Chung,etal.Next-GenerationAITechniquesforAutonomousSmartGrids:Stateo负荷预测负荷预测·根据历史数据和影响因素预测·根据历史数据和影响因素预测负荷需求·根据微电网、配电系统和输电系统分类新型电力系统背景AI赋能新型电力系统wAI赋能新型电力系统w功率预测设备监测系统运行系统运行多步尺度预测分层预测多步尺度预测分层预测概率预测现实挑战与未来方向现实挑战与未来方向产业布局-产业布局-IGET平台负荷预测负荷预测新型电力系统背景新型电力系统背景AI赋能新型电力系统功率预测设备监测系统运行稳定性分析现实挑战与未来方向现实挑战与未来方向产业布局-IGET平台·负荷和可再生能源在短时间内剧烈波动，特别是由于频繁的极端天气·智能电表等先进的计量基础设施提高了配电网络的监测水平·狄利克雷过程混合模型和基于树的集成学习框架能够处理负荷模式的不确定性并改进概率预测概率负荷预测结果狄利克雷过程混合模型概率负荷预测结果电动汽车充电负荷预测电动汽车充电负荷预测新型电力系统背景新型电力系统背景AIAI赋能新型电力系统功率预测设备监测系统运行稳定性分析要数据特性带来的预测难题充电行为的高度不规则性、充电站特性的异构性，以及新建充电站面临的严重数据稀缺问题，使得负荷预测极具挑战性现有模型泛化能力不足现有的统计模型、深度学习模型和基于Transformer的模型，往往过度依赖历史数据，在面对使用模式差异巨大的不同充电站时，泛化能力表现不佳现实挑战与未来方向产业布局-IGET平台现有精度瓶颈CNN/RNN能力受限成本与适应性电动汽车充电负荷预测电动汽车充电负荷预测新型电力系统背景新型电力系统背景AIAI赋能新型电力系统功率预测设备监测系统运行稳定性分析现实挑战与未来方向现实挑战与未来方向产业布局-IGET平台充电汽车负荷预测充电汽车负荷预测时空大模型(STDeepSeek)地理信息+时间序列地理信息+时间序列低算力需求：通过低秩适配器微调仅训练1.7%大模型参数深圳市充电桩数据集Fiae-Tuning&OnlineContinulL深圳市充电桩数据集Fiae-Tuning&OnlineContinulL电动汽车充电负荷预测电动汽车充电负荷预测新型电力系统背景新型电力系统背景AIAI赋能新型电力系统功率预测设备监测系统运行稳定性分析现实挑战与未来方向现实挑战与未来方向产业布局-IGET平台高精度高鲁棒高稳定准确预测62个场站未来24小时的充电负荷需求，准确预测62个场站未来24小时的充电负荷需求，平均准确率>88%电动汽车充电负荷预测电动汽车充电负荷预测新型电力系统背景新型电力系统背景AIAI赋能新型电力系统功率预测设备监测系统运行稳定性分析现实挑战与未来方向现实挑战与未来方向产业布局-IGET平台少样本预测设置使用仅7天训练数据评估模型在数据受限场景下的预测能力误差仅为14.41%误差仅为14.41%凸显了自适应学习在数据稀缺场景下的关键作用零样本预测设置另外62个场站进行推理误差仅为30.07%误差仅为30.07%比最强的基准方法提高了9.4%少样本下预测62个场站未来24小时的充电负荷需求，准确率>85%负荷监测负荷监测·基于测量数据和人工智能方法提取设备的功率分解及其开启和关闭时间··基于测量数据和人工智能方法提取设备的功率分解及其开启和关闭时间·非侵入式负载监测(NILM),与侵入式负载监测(ILM)不同当前非侵入式数据集(共29个数据集)新型电力系统背景人工智能AIAI赋能新型电力系统功率预测设备监测设备监测系统运行稳定性分析逼近现实挑战与未来方向逼近现实挑战与未来方向产业布局-IGET平台ILM测量ILM测量负荷监测新型电力系统背景新型电力系统背景AIAI赋能新型电力系统功率预测设备监测系统运行稳定性分析现实挑战与未来方向现实挑战与未来方向产业布局-产业布局-IGET平台基于混合专家的多任务学习框架(MMOE)State:On/OffSpecificpowercon·协同效应：帮助联合训练模型更好捕捉独立训练可能遗漏的共享模式多样性来源·易于升级：利用多个共享底层(独立专家)较其他模型更易升级英国家庭电器数据集：五个房间offOutputA训练集训练集用电设备：电热水壶、冰箱、洗衣干衣机、微波炉等采样频率：总采样频率和设备采样频率均为6秒房间：#2用电设备：电热水壶、冰箱、洗衣干衣机、微波炉等采样频率：总采样频率和设备采样频率均为6秒·训练集负荷监测新型电力系统背景新型电力系统背景AI赋能新型电力系统功率预测设备监测系统运行稳定性分析现实挑战与未来方向现实挑战与未来方向产业布局-IGET平台基于混合专家的多任务学习框架(MMOE)·采样频率为6s时，该方法比最强基线模型CNN方法精度高3%·采样频率为15min时，该方法精度达92%,较CNN方法高15%15分钟采样频率下预测值与真实值曲线比较图200200所提MMOE可再生能源发电预测可再生能源发电预测新型电力系统背景新型电力系统背景·基于历史数据和天气条件(或物理过程)预测可再生能源发电(例如，风能和太阳能)·根据其容量分类AI赋能新型电力系统AI赋能新型电力系统AI方法功率预测AI方法功率预测设备监测系统运行稳定性分析数值天气预测发电预测数值天气预测发电预测现实挑战与未来方向产业布局-IGET平台可再生能源发电预测可再生能源发电预测新型电力系统背景新型电力系统背景AIAI赋能新型电力系统功率预测设备监测系统运行稳定性分析现实挑战与未来方向现实挑战与未来方向产业布局-IGET平台光伏预测三类主流方法各存局限，仍难突破气象、时序及数据稀疏等核心痛点，且存在多类共性技术问题主流数据驱动方法主流数据驱动方法核心思想：将预测建模为历史观测的线性映射，计算高效特点：小数据下鲁棒性强，但依赖严格线性假设，难捕捉复杂非线性性核心思想：通过循环结构或自注意力机制捕捉长短期依赖特点：预测性能优于传统方法，是当前领域主流技术路线视觉融合深度学习核心思想：融合高空影像、卫星与云图等视觉信息与气象时序数据核心痛点与研究缺陷核心痛点与研究缺陷气象条件突发性变化、夜间零发电数据中断、实际场景数据稀疏缺失(a)数据稀疏与突变适应难传统模型依赖历史数据，难以应对天气突变导致的剧烈出力波动(b)模型机制物理耦合不合理将时间依赖与变量交互耦合在同一注意力机制中，可解释性差简单的视觉与时序特征拼接未能有效利用视觉信息动态引导注意分配情况Gu.X.Liang.Z.,&Chung,C.Y.VT-LLM:AVisual-GuidedandParameter-EfficientPretrainedTransformerforIoT-Ena可再生能源发电预测可再生能源发电预测新型电力系统背景新型电力系统背景AIAI赋能新型电力系统功率预测基于DeepSeek的光伏发电预测多模态大模型4双流架构：通道内注意力机制对时序段内依赖进行建模，通道间注意力机制对与天气数据等关键变量的依赖关系建模设备监测系统运行系统运行LayerNonmMaskAItentionPatch-BasedTimeSeri产业布局-IGET平台Mutvanate'现实挑战与未来方向稳定性分析可再生能源发电预测可再生能源发电预测新型电力系统背景AIAI赋能新型电力系统功率预测设备监测系统运行稳定性分析设备监测系统运行稳定性分析预测与真实值的对比对比较LSTM提升50.62%现实挑战与未来方向产业布局-IGET平台在太阳辐射迅速下降的发电末端最快响应归零现实挑战与未来方向产业布局-IGET平台基于斯坦福大学真实光伏数据进行建模(2017-2019)基于斯坦福大学真实光伏数据进行建模(2017-2019)准确预测分布式光伏未来15分钟的光伏发电功率，准确率>94%Gu,X.Liang.Z.,&Chung,C.Y.VT-LLM:AVisual-GuidedandParameter-EfficientPretrainedTransformerforIoT-EnabledMultimodalPhotovoltaicFor可再生能源发电预测新型电力系统背景新型电力系统背景AIAI赋能新型电力系统功率预测设备监测系统运行稳定性分析现实挑战与未来方向现实挑战与未来方向产业布局-产业布局-IGET平台多尺度预测性能对比图多尺度预测性能对比图1/16/96/192步Gu,X.Liang.Z.,&Chung,C.Y.VT-LLM:AVisual-GuidedandParameter-EfficientPretrainedTransformerforIoT-EnabledMultimodalPhotovoltaicForec可再生能源发电预测面向分布式电站协同建模的联邦学习框架模型能够独立分配注意力资源，在提升预测精度的同时增强了物理可解释性面向分布式电站协同建模的联邦学习框架模型能够独立分配注意力资源，在提升预测精度的同时增强了物理可解释性融合时空、气象及卫星信息的泛化建跨区域多站点的协同高效建模新型电力系统背景2.回答“某个因素过去是如何变化的?”3.捕捉时间序列的动态特征2.回答“不同因素之间是如何相互作用的?”AI赋能新型电力系统功率预测设备监测系统运行稳定性分析场站个性化信息约束的高性能建模针对不同电站：装机容量不同、组件类型不同及遮挡情况不同等问题场站个性化信息约束的高性能建模针对不同电站：装机容量不同、组件类型不同及遮挡情况不同等问题构建：个性化微调模块、局部适配层(LocalAdapter)与个性化权重融合机制现实挑战与未来方向产业布局-IGET平台可再生能源发电预测新型电力系统背景新型电力系统背景AI赋能新型电力系统功率预测设备监测系统运行稳定性分析现实挑战与未来方向现实挑战与未来方向产业布局-IGET平台·风电功率预测不确定性源于风速的随机性、近似风电功率曲线以及不可避免的误差·基于广义交叉熵的非参数密度估计仅调整带宽来降低区间构建问题的复杂度始估计，保证灵活性混合确定性/概率性风电功率预测框架基于连续时间窗口的分位数估计新型电力系统背景新型电力系统背景AIAI赋能新型电力系统功率预测设备监测系统运行稳定性分析现实挑战与未来方向现实挑战与未来方向产业布局-IGET平台科学园：198千瓦机电工程署总部：350千瓦迪士尼乐园度假区：3050千瓦科学园：198千瓦灰尘会显著降低太阳能电池板的效率灰尘会显著降低太阳能电池板的效率显显著性图污损的太阳能板验证集里不同类型污垢的样本图像干净的太阳能板新型电力系统背景新型电力系统背景人工智能AIAI赋能新型电力系统功率预测设备监测系统运行稳定性分析现实挑战与未来方向现实挑战与未来方向产业布局-IGET平台算法架构算法架构Noeae8badksorhiddenneewortlayers口新部署：将模型扩展到边缘计算口重要参考：为工程师在边缘部署模型提供参考设备监测设备监测新型电力系统背景新型电力系统背景AI赋能新型电力系统功率预测设备监测系统运行稳定性分析现实挑战与未来方向现实挑战与未来方向电池在储能系统和电动汽车的长期使用过程中面临电池在储能系统和电动汽车的长期使用过程中面临安全和老化问题残值利用率低残值利用率低电池老化与安全失效本质上是一个多因素耦合的复杂电化学演变过程⑦正极SEI⑩结构无序比⑩集流体腐蚀国接触点损失设备监测设备监测新型电力系统背景※融合先进传感技术与人工智能方法，对多维信号进行协同分析，实现电池储能系统与电动汽车电池的实时检测。新型电力系统背景电信号热信号机械信号气体信号声信号光声信号(H(H₂/CO/CO₂等)(超声/声发射传感器)(光纤传感)AI赋能新型电力系统··健康衰退·安全风险·实时状态功率预测设备监测系统运行稳定性分析云服务器现实挑战与未来方向产业布局-IGET平台电池储能系统电动汽车充电桩设备监测设备监测新型电力系统背景AI新型电力系统背景AI赋能新型电力系统功率预测设备监测系统运行稳定性分析现实挑战与未来方向产业布局-IGET平台开源大模型深度学习模型多层感知机开源大模型深度学习模型多层感知机电池数据DeepSeekDeepSeek系列逻辑回归卷积神经网络逻辑回归支持向量机支持向量机递归神经网络随机森林随机森林贝叶斯网络高斯过程回归高斯过程回归Llama系列Qwen系列Gemma系列GLM系列监测模型设备监测※团队研究发展方向新型电力系统背景管理与控制电池梯次利用决策电池梯次利用决策AI智能体智能管控AI赋能新型电力系统功率预测··AI+物理模型融合测试数据+实采数据老化与滥用实验Al+测试数据+实采数据老化与滥用实验Al+物理模型机理模型光纤、阻抗谱等新型传感技术与设备失效分析稳定性分析机理与建模现实挑战与未来方向机理与建模产业布局-IGET※香港加速扩建充电基础设施，充电网络从“数量扩张”迈向“规模化覆盖与超※香港加速扩建充电基础设施，充电网络从“数量扩张”迈向“规模化覆盖与超快充升级”√2025年，香港电动私家车保有√2025年，香港电动私家车保有量已超过14万辆，预计在2035√香港正加快建设以快速充电设施为核心的充电网络，计划到新型电力系统背景AIAI赋能新型电力系统设备监测系统运行※但全球电动汽车火灾事件频发；随着充电网络※但全球电动汽车火灾事件频发；随着充电网络高功率化与高利用率提升，进一步放大电池热失控与连锁事故风险2024年8月，韩国2024年8月，韩国波及百余辆汽车受现实挑战与未来方向设备监测必充电桩大数据为电池故障监测提供了宝贵数据支持和可行手段必充电桩大数据为电池故障监测提供了宝贵数据支持和可行手段物理建模应用范围有限、可靠性未经广电池外故障口连接点故障新型电力系统背景AI赋能新型电力系统功率预测显著优势设备监测显著优势系统运行稳定性分析√数据规模大，覆盖广泛稳定性分析现实挑战与未来方向√不依赖额外传感器，成本低、易推广，现实挑战与未来方向设备监测新型电力系统背景※香港理工大学一奥特迅充电监测平台积累了海量电动汽车充电数据。新型电力系统背景AI赋能新型电力系统功率预测设备监测系统运行稳定性分析实时数据接入现实挑战与未来方向产业布局-产业布局-IGET平台奥特迅充电大数据监测平台设备监测新型电力系统背景※故障监测框架：依托海量运行数据与深度学习，构建可扩展的电池故障诊断模型，实现电动汽车电池大规模安全监测新型电力系统背景AI赋能新型电力系统※利用故障发生前的充电电压、电流、功率变化曲线作为输入数据；AI赋能新型电力系统※实现数万辆电动汽车电池系统的安全监测，精度>96%充电桩数据中心功率预测设备监测系统运行稳定性分析功率预测设备监测系统运行稳定性分析现实挑战与未来方向现实挑战与未来方向产业布局-IGET平台超过一百万条真实电动汽车充电数据设备监测新型电力系统背景※边缘侧通过脉冲提取阻抗信息进行主动检测；云平台大模型进行被动监测※提出基于公共充电网络的高精度、可扩展的电动汽车电池监测系统新型电力系统背景电池故障诊断大模型电池故障诊断大模型用于挖掘更丰富电池信息的机理引导脉冲设计AIAI赋能新型电力系统功率预测设备监测系统运行即时、周期性设备监测系统运行稳定性分析现实挑战与未来方向现实挑战与未来方向电动车车主：充电站运营方：不增加额外无需改造现有充电桩电动车车主：充电站运营方：不增加额外无需改造现有充电桩充电时间可扩展的电动汽车安全监测网络产业布局-IGET平台※充电大数据稀疏(30s一个采样点),信息量有限，难以即时反映电池状况※充电大数据稀疏(30s一个采样点),信息量有限，难以即时反映电池状况※探索了基于阻抗快速测量的健康评估方法新型电力系统背景新型电力系统背景电解液损失功率性能容量衰减电解液损失功率性能容量衰减活性物质损失发热量增加AI赋能新型电力系统功率预测设备监测系统运行稳定性分析功率预测设备监测系统运行稳定性分析现实挑战与未来方向现实挑战与未来方向析锂风险产业布局-析锂风险产业布局-IGET平台电池测试电池测试不同倍率下阻抗演变设备监测新型电力系统背景※通过秒级脉冲，即可在充电用户无感前提下提取到丰富阻抗信息，评估电池健康，指导充电决策。新型电力系统背景拒绝充电拒绝充电/降低功率充电有风险AI赋能新型电力系统AI赋能新型电力系统功率预测设备监测系统运行稳定性分析充电请求秒级脉冲风险评估充电请求现实挑战与未来方向0产业布局-IGET平台产业布局-IGET平台电流基于充电桩的快速阻抗测试案例设备监测※基于50余个充电站、2000余辆不同类型电动汽车开展了详细验证新型电力系统背景※基于50余个充电站、2000余辆不同类型电动汽车开展了详细验证新型电力系统背景AIAI赋能新型电力系统深圳、香港两地多站点验证香港理工唯港荟酒店充电站设备监测系统运行深圳、香港两地多站点验证香港理工唯港荟酒店充电站设备监测系统运行稳定性分析现实挑战与未来方向现实挑战与未来方向产业布局-产业布局-IGET平台(表征健康)物理+统计特征(表征健康)50设备监测新型电力系统背景AI赋能新型电力系统※在充电站开展长期阻抗跟踪，可以同时实现健康状态评估和安全筛查：新型电力系统背景AI赋能新型电力系统功率预测设备监测系统运行稳定性分析现实挑战与未来方向产业布局-IGET平台同一车型不同车辆之间的离群异常检测车辆1车辆2车辆3车辆4…车辆N基于单辆车阻抗演化的健康与安全诊断基于单辆车阻抗演化的健康与安全诊断充电#1充电#2充电#1充电#2充电#N设备监测※数据合作需求：※数据合作需求：单一数据拥有方的数据规模、多样性有限，难以支撑模型的有效训练，需要多方协作与数据共享※隐私与共享限制：不同数据拥有方之间存在商业竞争与用户隐私顾虑，数据无法直接共享※针对以上问题，团队开发了考虑数据隐私的故障检测模型联合开发方法，解决电池故障数据的“孤岛问题”新型电力系统背景AI赋能新型电力系统功率预测设备监测系统运行功率预测设备监测系统运行稳定性分析模型参数分享代√保障数据隐私的联合模型开发√用户定制的检测模型√对数据分布异质性具有鲁棒性现实挑战与未来方向现实挑战与未来方向Yang.…&Chung,C.Y.(2025.Privacypresering※电化学液冷储能系统健康诊断与安全保障项目背景·主体概况：宁电入湘(宁湘直流)为±800千伏特高压直流工程，是区域重要跨省电力输送项目。·装机规模：项目规划配套光伏总装机容量9吉瓦，配套储能规模达1.3吉瓦/2.6吉瓦时。※电化学液冷储能系统健康诊断与安全保障项目背景·主体概况：宁电入湘(宁湘直流)为±800千伏特高压直流工程，是区域重要跨省电力输送项目。·装机规模：项目规划配套光伏总装机容量9吉瓦，配套储能规模达1.3吉瓦/2.6吉瓦时。·储能配置：现场共计配置40套2.5兆瓦时集装箱式电池舱，搭配40套1.25兆瓦储能变流升压一体化舱。新型电力系统背景新型电力系统背景AI赋能新型电力系统功率预测功率预测设备监测系统运行稳定性分析项目痛点项目痛点温差剧烈：四季温差波动显著加速储能电池性安全管控：安全保障及控制技术偏常规，智能运营效益：保障项目长期运营的经济价值与收预测结果主动均衡与动态优化温度老化机理长期收益温度老化机理长期收益健康诊断与寿命预测现实挑战与未来方向产业布局-IGET平台设备监测※电池单体间的温度不均匀是储能电站严重制约了储能电站长期性能※基于温度预测的储能电站温度异常预警框架实际案例※电池单体间的温度不均匀是储能电站严重制约了储能电站长期性能※基于温度预测的储能电站温度异常预警框架实际案例体现出特异性·放电阶段的温差>6℃解决方案预测模型保护控制运行数据注意力制冷控制多头t新型电力系统背景AI赋能新型电力系统AI赋能新型电力系统功率预测系统运行稳定性分析现实挑战与未来方向产业布局-IGET平台模型预测效果领先传统方法，5分钟前置温差告警精度高于90%。设备监测新型电力系统背景新型电力系统背景AIAI赋能新型电力系统功率预测设备监测系统运行稳定性分析现实挑战与未来方向现实挑战与未来方向产业布局-IGET平台大型储能系统中，如何分配电池簇电流，均衡单体温度与SOC,延长系统寿命。技术路线(基于ReAct框架)思考思考场景分类行动观察安全检查自校正扩充LLM推理场景分析·基于典型运行实测数据分析，CellEqui算法最小损耗内阻分配归一化指标对比：·SOC平衡/温度平衡(越高越好)高低内阻分配中动态规划中新型电力系统运行分类新型电力系统运行分类食系统运行食系统运行主网/输电网储能系统协同运行新型电力系统背景AIAI赋能新型电力系统功率预测功率预测设备监测稳定性分析现实挑战与未来方向现实挑战与未来方向极端天气条件下的系统运行保障提升系统初性灾前脆弱性评估灾中应急资源分配灾后恢复与初性重建常规系统运行侧重经济性、低碳性与不确定性管理；紧急系统运行侧重极端天气应对、韧性提升与灾害恢复。人工智能在新型电力系统的应用人工智能在新型电力系统的应用新型电力系统背景人工智能在新型电力系统的应用可分为电力调度与控制决策、电力系统运行与维护、风险评估与灾害预警、新能源出力与负荷预测和电力行业专用大模型AI赋能新型电力系统功率预测设备监测系统运行稳定性分析现实挑战与未来方向场景赋能/业务反愦知识注入/决策支撑场景赋能/业务反愦数据沉淀/能力提升模型训练/知识注入产业布局-IGET平台数据沉淀/能力提升模型训练/知识注入数据驱动的灵活性量化评估数据驱动的灵活性量化评估核心思路核心思路典型输入数据新型电力系统背景人工智能AI赋能新型电力系统功率预测设备监测系统运行稳定性分析现实挑战与未来方向现实挑战与未来方向产业布局-产业布局-IGET平台反馈更新/在线更新多源数据动态边界通过“多源数据输入一模型训练更新一预测评估反馈”闭环流程，快速实现柔性资源灵活性的量化评估。新型电力系统背景人工智能新型电力系统背景人工智能工业负荷通过建立生产环节能耗模型，分析各环节设备调节优先级和需求响应速率，根据生产环节耦合关系及其出料/进料堆积量，分析调节设备轮停响应可停机时间，并利用神经网络评估耦合工序间负荷削减/增加造成的级联效应，确定执行轮停机设备及其可调功率范围，实现机理-数据驱动灵活性量化AI赋能新型电力系统数据驱动模型物理机理模型AI赋能新型电力系统输入数据评价指标体系输入数据功率预测设备监测系功率预测设备监测系统运行稳定性分析工序A工序工序A工序B工序C缓冲3需求响应分析方法潜力评估模型设备轮停可行性分析神经网络学习潜力评估模型设备轮停可行性分析现实挑战与未来方向现实挑战与未来方向产业布局-IGET平台①输出：可停机时间与调节边界融合建模与评估流程多源数据采集机理约束建模数据-机理融合评估新型电力系统背景新型电力系统背景AI赋能新型电力系统电力垂域大模型电力垂域大模型是通过基座模型/通用大模型融合电力领域专业知识进行后训练/微调，实现针对性求解和决策电力技术问题。通过模型轻量化、定制化服务和特定领域快速响应实现电力领域智能决策。电力图像编码器电力视频编码器分块统一的特征序列统一的特征序列电气信号编码器功率预测设备监测系统运行稳定性分析系统运行稳定性分析电力文本编码器采样模块原始文本按照词表对应现实挑战与未来方向产业布局-IGET平台输电架空线路实时热定值(RTTR输电架空线路实时热定值(RTTR)与静态热定值(STR)新型电力系统背景新型电力系统背景AI赋能新型电力系统功率预测设备监测稳定性分析现实挑战与未来方向现实挑战与未来方向产业布局-IGET平台静态热定值(STR)热平衡方程口太阳辐射加热(Ps)影响因素口太阳辐射口环境温度五种实时热定值监测系统类型五种实时热定值监测系统类型新型电力系统背景新型电力系统背景AIAI赋能新型电力系统功率预测设备监测系统运行稳定性分析现实挑战与未来方向现实挑战与未来方向导线模型定向风速仪风速及风向气象参数导线温度对地净空距离太阳辐射环境温湿度档距弧垂张力导线温度对地净空距离实时热定值RTTR可以通过热平衡方程来计算各监测系统均的数据面向电力系统运行的实时热定值预测面向电力系统运行的实时热定值预测新型电力系统背景AI赋能新型电力系统功率预测设备监测系统运行稳定性分析现实挑战与未来方向数据采集四大气象要素风速风向环境温度太阳辐射预测模型实时热定值预测值热平衡模型·综合考虑四大气象要素面向电力系统运行的实时热定值预测面向电力系统运行的实时热定值预测新型电力系统背景新型电力系统背景AI赋能新型电力系统功率预测设备监测稳定性分析现实挑战与未来方向现实挑战与未来方向产业布局-产业布局-IGET平台静态热定值设定为685A样本编号(1小时采样间隔)□RTTR的高估可能导致架空线路寿命衰减、设备故障及安全隐患等问题口为此研究提出了一种既安全可靠又精确敏锐的概率预测模型，用于实现实时热定值提前一小时的预测置信水平设定为95%极端气候与自然灾害频发极端气候与自然灾害频发新型电力系统背景新型电力系统背景人工智能AI赋能新型电力系统功率预测设备监测系统运行稳定性分析现实挑战与未来方向现实挑战与未来方向产业布局-产业布局-IGET平台电网是必不可少但又极其脆弱的，老化的电力基础设施因飓风、野火、冰雹、洪水和热浪等极端天气事件的影响越来越大。与天气相关的停电每年影响数百万人。电力故障对其他基础设施产生连锁反应，并每年造成数十亿美元的损失。√导致停电的典型极端事件2012Darahowiad2016ACyclone(0.57M)2011BhusalN.,AbdelmalakM.,KamruzzamanM.&BenidrisM.(2020).Powersystemresilience:curentpractices,chahttps://www.climatecentralLorg/climate-matters/weather-related-power-outagAI-AI-赋能的新型电力系统韧性运行新型电力系统背景新型电力系统背景AI赋能新型电力系统功率预测设备监测系统运行稳定性分析现实挑战与未来方向现实挑战与未来方向■极端天气事件下电网紧急响应的演进逻辑：从灾害预测评估出发，依次支撑灾前加固与韧性投资、灾中纠偏控制与应急响应、灾后损伤评估与恢复重建；■引入AI后，电网应急管理可贯穿灾前、灾中和灾后全过程，实现灾害识别、状态评估、级联风险预测、决策支持、搜救路径规划和恢复策略评估等功能；■AI赋能将传统电网应急响应从被动处置转向主动预测、智能决策和高效恢复，有助于提升自动化水平、运行效率和系统韧性。Maobletzaotomen.kStrategyion&OperationalEfficiencyImprt新型电力系统背景人工智能新型电力系统背景人工智能电力基础设施故障智慧风险感知■揭示强风-暴雨-洪涝-泥石流等多致灾因子耦合强化效应，研究灾因子对输配电线路、配变电设施、电动汽车充电桩等城市关键电力承灾基础设施的破坏特性■识别强风大雨天气频发背景下城市配电线路、配变电设施、电动汽车充电桩等易损元件和易发生故障区域多模态数据时空状态提取AI多模态数据时空状态提取AI赋能新型电力系统功率预测设备监测系功率预测设备监测系统运行稳定性分析实时故障实时故障实时故障实时故障现实挑战与未来方向产业布局-产业布局-IGET平台地理数据新型电力系统背景新型电力系统背景AI赋能新型电力系统城市配电网系统风险态势感知■考虑特大型城市电力系统内部各组件之间的拓扑连接关系、运行状态和相互影响，通过基于情景的分析和压力测试，识别城市电力关键失效路径和系统崩溃的临界点■在此基础上研发耦合人工智能和物理过程的电力基础设施“单体损坏-系统故障”灾损蔓延场景类比推演技术，实现大规模电力网络复合链生灾害超前风险感知和断链减灾防控推演气象数据地形数据设备故障数据线路拓扑数据负荷数据功率预测设备监测系统运行稳定性分析系统运行稳定性分析知识链发性故障群发性故障单一网故障跨网络故障事故-风险概率关联矩阵故障模式识别现实挑战与未来方向城市电网防灾资源投资与优化配置城市电网防灾资源投资与优化配置新型电力系统背景新型电力系统背景AI赋能新型电力系统功率预测设备监测系统运行稳定性分析现实挑战与未来方向现实挑战与未来方向电力安全规划安全韧性规划电力安全规划安全韧性规划报废报废香港示范应用香港示范应用新型电力系统背景新型电力系统背景■开展系统性数据采集、清洗与数据库建设，数据内容包括建筑高度与轮廓、地面高程、电力设备信息，以及电力和排水网络拓扑AI赋能新型电力系统■构建面向香港真实场景的电力—排水耦合仿真模型，综合考虑网络拓扑、数字高程模型(DEM)AI赋能新型电力系统功率预测设备监测系统功率预测设备监测系统运行稳定性分析现实挑战与未来方向现实挑战与未来方向产业布局-产业布局-IGET平台电力系统何文田示范区排水系统新型电力系统背景人工智新型电力系统背景人工智能香港示范应用■高分辨率仿真刻画了200年一遇(如2018年山竹台风)暴雨事件下的停电风险，识别出严重内涝区域和关键排水瓶颈。生成的停电风险图揭示了洪涝诱发变电站故障后，如何引发级联停电，并在风暴不同阶段导致关键社区设施被隔离。AI赋能新型电力系统功率预测设备监测系统运行稳定性分析现实挑战与未来方向现实挑战与未来方向200年一遇暴雨事件下停电风险的时空演化人工智能于稳定性分析中的必要性人工智能于稳定性分析中的必要性新型电力系统背景新型电力系统背景人工智能物理机制通常也会通过数据相关性这一外在特征体现出来。利用人工智能挖掘稳定性问题中的数据背后的关联性，实质是从数据视角揭示电力系统稳定性问题的物理本质。CharacteristicofthetransientprobAI赋能新型电力系统功率预测设备监测系统运行稳定性分析现实挑战与未来方向物理机制嵌入AI过程d产业布局-IGET平台Opportunities[J],SustainableEnergyTechnologiesandAssessments,2022,56(8),102990.稳定性分析方法比较人工智能人工智能功率预测设备监测系统运行稳定性分析现实挑战与未来方向产业布局-IGET平台EL,DL.)传统方法时域仿真法逆轨迹法与半张量积化能力和普适性基于初始条件的吸引域估计降低因实际数据与预设数据不一致而对分析精度产生的负面影响控制策略基准控制策略例如李雅普诺夫函数的设计及计算负担……暂态稳定分析与预测暂态稳定分析与预测新型电力系统背景新型电力系统背景AIAI赋能新型电力系统功率预测设备监测系统运行稳定性分析现实挑战与未来方向产业布局-IGET平台即时预测即时预测行量测数据(电压、转子转速等)作为输入特征，以实现系统稳定性预测NetworkHA暂态稳定预测的算例研究暂态稳定预测的算例研究新型电力系统背景新型电力系统背景人工智能AI赋能新型电力系统功率预测设备监测系统运行稳定性分析现实挑战与未来方向现实挑战与未来方向产业布局-IGET平台故障随机施加于各条线路上故障持续时间在6至15个周波之间随机选取所有风电场均采用双馈感应发电机(DFIG)风含9个风电场的改进16机系统含9个风电场的改进16机系统不同特征参数准确性的对比分析展等面积准则(EEAC)计算稳定性指数(SI)基于可解释性神经网络(KAN基于可解释性神经网络(KAN)的电压稳定预测新型电力系统背景新型电力系统背景人工智能AI赋能新型电力系统口关键痛点：解决传统依赖牛顿类迭代法求解潮口核心算法：引入Kolmogorov-ArnoldNetworks(KAN),兼具分类(稳定或失稳)与回归(稳定裕度)功能□模型优势：利用KAN的可解释性，能提供明口性能验证：在IEEE118节点系统上，KAN在功率预测设备监测系统运行稳定性分析分类和回归准确度上均优于主流算法利用拉丁超立方采样(LHS)和连续潮流(CPF功率预测设备监测系统运行稳定性分析Pbus,Qbus,Vbus模型输出分类和回归结果现实挑战与未来方向产业布局-IGET平台数学关系，为下一步机组组合、经济产业布局-IGET平台数学关系，为下一步机组组合、经济调度和运行控制等提供决策支持I内嵌物理机理可解释神经网络混合专家模型(PI内嵌物理机理可解释神经网络混合专家模型(PI-KANMoE)赋能电压稳定分析预测新型电力系统背景新型电力系统背景人工智能AI赋能新型电力系统功率预测设备监测系统运行稳定性分析现实挑战与未来方向现实挑战与未来方向产业布局-IGET平台口架构升级：从单一模型升级为混合专家架构(MoE),动态路由应对高维复杂运行域口符号可提取性：支持从激活函数中逆向提取显式数学方程，实现“黑盒预测+白盒机理”RzmcmahkepshotratodPeFatrartSyshm5口PI-KAN专家：多个专家子网络并行，每个专家内部均嵌入物理先验约束门控机制：门控网络自适应选择主导专家，避免单一模型在复杂工况下的失效输出：分类+回归MulifrctudlasFunfionEinthaligPBbyiosinfurmodConustrainsPanttnatalam2m-数据基线损失(经验学习锚点)、无功功率能力边界约束(电配物理一致性)和物理单调性约束(稳定演化趋势规整)内嵌物理机理可解释神经网络混合专家模型(PI内嵌物理机理可解释神经网络混合专家模型(PI-KANMoE)赋能电压稳定分析预测新型电力系统背景新型电力系统背景人工智能人工智能AI赋能新型电力系统功率预测设备监测系统运行稳定性分析现实挑战与未来方向现实挑战与未来方向分类和回归基准测试结果PI-KAN-MoE借由混合专家模型的集成学习优势，在分类(Accuracy=98.79%,AUC-ROC=99.95%)与回归(R²=98.34%,MAPE=0.3325%)测试中得到了进一步的提升口调度运行决策赋能：模型输出的显式符号关系与连续裕度，可嵌入机组组合优化(UC)、经济调度(ED)与实时电网运行控制座UnitCommitmentOptimizat座constraintsforgenPerformsensitivityanaprouctivelyadjustgridc基于非监督学习的内嵌物理机理可解释神经网络(基于非监督学习的内嵌物理机理可解释神经网络(UPIKAN)的电压稳定分析预测新型电力系统背景新型电力系统背景AI赋能新型电力系统功率预测设备监测系统运行稳定性分析现实挑战与未来方向现实挑战与未来方向产业布局-IGET平台Lad=Losfany+Lnyuke口解决痛点：解决基于CPF标签数据获口阶段1:<5%小样本预训练口阶段2:无监督主训练，物理机口物理机理约束设计：新增各节点本地口训练过程优化设计：包含L1正则化，速度现实挑战现实挑战新型电力系统背景数据AI方法应用人工智能AI赋能新型电力系统质量和数量物理约束、可解释性可扩展性现实挑战与未来方向现实挑战未来方向产业布局-IGET平台自主智能电网不仅需要高质量、多源异构数据，还需要通过数字孪生缩小仿真与现实之间的差距AI方法不仅要具备预测、推理和决策能力，还需要嵌入电力系统物理规律，提高模型的可行性、可解释性和控制室部署可信度1赋能者跨电网、跨场景和跨任务部署AI需要解决边云I协同、低时延控制、隐1私保护的问题数据国际标准数据国际标准数据可信数据共享·数据可信数据共享·隐私保护、网络安全和合规要求突出数据异构·数据缺失、噪声、异常和质量不一致人工智能人工智能AI赋能新型电力系统作用作用现实挑战未来方向产业布局-IGET平台统一接口协议·统一接口协议·规范数据交换格式、通信接口和交互流程·降低多源系统集成和扩展成本数据安全认证·建立隐私保护、访问控制和安全测试机制支撑跨系统数据理解与AI建模新型电力系统背景新型电力系统背景人工智能AI赋能新型电力系统现实挑战与未来方向现实挑战未来方向产业布局-产业布局-IGET平台IEEEIEEE是全球最大技术专业组织，拥有超过50万名会员；PES是IEEE第二大技术分会·截止2025年11月，现行与在研标准总数为2,304项·覆盖发电、输配电、储能及终端用能全产业链withtheElectrie